Woordenlijst

BMXNet

Wat is BMXNet?

BMXNet is een opensourcebibliotheek voor binaire neurale netwerken, in 2017 uitgebracht door het Hasso-Plattner-Institut in Potsdam en gebouwd op het framework Apache MXNet. Binaire netwerken slaan gewichten en activaties op met één bit in plaats van 32, waardoor modellen veel kleiner en sneller worden – aantrekkelijk voor smartphones en embedded apparaten, al gaat dat meestal ten koste van enige nauwkeurigheid. Sinds MXNet in 2023 is stopgezet, is BMXNet vooral nog van belang voor onderzoek (stand: oktober 2026).

Onderwerpen

Deep learning
Edge AI
Onderzoek

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

MXNet

Apache MXNet was een open-source deeplearningframework dat modellen efficiënt kon trainen over meerdere GPU’s en machines, met interfaces voor Python, C++, R, Scala en andere talen. Amazon Web Services steunde het enkele jaren als voorkeursframework. De Apache Software Foundation beëindigde het project in september 2023 en bracht het uiterlijk februari 2024 onder in het Apache Attic; het wordt niet meer doorontwikkeld. Bestaande modellen worden meestal gemigreerd naar andere frameworks.

framework
deep learning
+1

Kunstmatige neurale netwerken (ANN’s)

Kunstmatige neurale netwerken (ANN’s) zijn rekenmodellen die bestaan uit veel verbonden eenheden (“neuronen”) die in lagen zijn geordend en invoer verwerken via gewogen verbindingen. Tijdens het trainen worden de gewichten stap voor stap aangepast aan de hand van voorbeelden, meestal via backpropagation. ANN’s vormen de basis van deep learning en drijven beeldherkenning, spraakherkenning en grote taalmodellen aan. Ondanks hun biologische inspiratie werken ze veel eenvoudiger dan het menselijk brein.

Deep learning
AI-basisbegrippen
+1

Deep learning

Deep learning is een tak van machine learning die kunstmatige neurale netwerken met veel lagen gebruikt. Zulke netwerken leren uit grote hoeveelheden data welke kenmerken van belang zijn – van randen in beelden tot betekenisrelaties in teksten. Deep learning vormt de basis van de huidige taalmodellen, beeld- en spraakherkenning en machinevertaling en vergt doorgaans veel rekenkracht en trainingsdata.

neurale netwerken
machine learning
+1